一、用户路径图
    在数据分析系列的上一篇中，我介绍了用户路径图。这项数据分析工具就是抽象用户在网站或APP中的访问行为路径，并用可视化的图表呈现。如下图所示：
    image.png
    全路径图：已某个事件/页面为起点进行绘制的用户路径图
    **
    可以发现，用户路径图的每条路径，实际上就是一个个“天然”的漏斗。所以，当我们不知道如何设置漏斗时，可以先利用用户路径图查看所有的用户轨迹，并对异常的用户轨迹用漏斗进行分析。

    二、什么是漏斗
    漏斗，简单来讲，就是抽象网站或APP中的某个流程，观察流程中每一步的转化与流失。鉴于漏斗分析的相关文章很多，基础部分不再赘述。下面我会抽象漏斗的本质，并通过一个详细的案例来阐述漏斗的具体用法。
    image.png
    漏斗的三元素
    根据漏斗的定义，我们可以抽象出漏斗的三元素：

    • 时间
    • 节点
    • 流量

    时间：这里的时间，特指漏斗的转化周期，即为完成每一层漏斗所需时间的集合。通常来讲，一个漏斗的转化周期越短越好，尤其是在某些转化周期较长的行业，比如：在线教育行业，B2B电商行业。
    此外，单独查看每一层漏斗的时间，也能发现一些问题。举例来说，如果发现从某个渠道导入的流量，在某层漏斗的消耗时间惊人的一致，这说明该渠道的流量很可能有异常。

    节点：每一层漏斗，就是一个节点。而对于节点来说，最核心的指标就是转化率，公式如下：
    转化率 = 通过该层的流量/到达该层的流量
    整个漏斗的转化率以及每一层的转化率，可以帮助我们明确优化的方向：找到转化率低的节点，想办法提升它。

    流量：流量，也就是人群。不同人群在同一个漏斗下的表现情况一定是不一样的，比如淘宝的购物漏斗，男人和女人的转化率不一样，年轻人和老人的转化率也不一样。
    通过人群分类，我们可以快速查看特定人群的转化率，更能清晰定位问题。

    三、案例模型

    现实的世界，并非是简单的数据逻辑结构，很多结果都是多种原因综合导致的。站在多种角度去分析同一个问题，往往可以得到一个更全面准确的答案。
    下面我们将结合漏斗的三元素来做一个深度案例分析，通过运用数据分析的经典方法“拆分”与“对比”，定位问题，给出解决方案。
    问题：购买的转化率过低
    一家电商网站，从浏览宝贝详情到付款的转化率仅有3.6%。创建购买流程的漏斗，如图所示：
    image.png
    1.发现问题节点
    我们可以看到，加入购物车之前的转化率都较高，但在购物付款的流程中，转化率急剧降低至8%，这里可能就是需要改进的地方。
    image.png
    tip：转化率低的节点，通常就是问题节点。

    2.问题分析
    确定问题节点为“确认订单页面”后，开始分析该页面的数据。研究单一页面，可以使用的分析工具包括：

    • 热图分析：查看该页面用户的互动行为
    • 事件分析：查看该页面的各项数据统计指标，例如停留时长，事件数……

    在这里我们运用事件分析对问题进行分析
    用户在订单确认页停留的时间长达105秒，这与我们平时的认知不符可以发现的问题如下：
    用户在订单确认页的事件数为2985，我们需要进一步了解用户在这个页面上做了什么

    3.问题拆分
    1.用户在订单确认页停留时长过长：
    我们发现自己漏掉了漏斗的一个层级，”订单确认页->成交页“应该更正为“订单确认页->选择付款方式页->成交页“。重新创建漏斗如下：
    image.png
    可以发现，实际上转化率较低的节点为选择付款页，转化率为9%。

    2.用户在相关页面上的具体事件：
    确认付款的事件数为1350，侧面印证了订单确认页的转化率比较正常。
    成功付款的事件数为210，侧面印证了选择付款页的转化率较低。
    通过对问题拆分，我们重新定位问题节点为选择付款页。
    **
    tip：对问题进行拆分，可以帮助我们深入理解问题。

    4.数据对比
    之前我们提过：不同人群在同一个漏斗下的表现情况一定是不一样的。我们可以将到达选择付款页的用户分为两类： 漏斗模型 - 图6通过几个人群的对比，我们发现“付款失败”组的人群离线环境陡增约14%。另外，其3G、2G网络的比例要高于成功付款人群（5.68% vs 1.36%），且设备品牌中，相对机型较小众、低端。

    image.png
    image.png
    实际测试品牌1和品牌2的几个机型，针对选择付款方式页面的页面体验，存在以下问题：

    1. 机型适配性较差，开发时主要考虑的是现有主流机型适配，对小众机型的关注度较低；
    2. 页面卡顿严重，长达50秒以上的空白页面，严重消耗了用户耐心。

    于是我们做出以下改善：

    1. 紧急修复版本，在小众机型的主要推广渠道上升级了版本适配性的App；
    2. 页面加载量优化，包括切割、压缩、删减图片，框架优化，预加载等策略，恶劣网络下加载速度提升至约15秒；
    3. 加载等待页面设计，增加了动画的等待页面，给用户卖个萌，增加用户等待的耐心。

    5.效果验证
    页面优化后，我们的漏斗转化流程有明显改善：image.png
    我们针对这群“付款失败”用户群所做的改善，为转化漏斗提高了14%的转化效率，这是非常大的一个收益。
    另外，我们在后续的漏斗改进中，还尝试结合了页面点击/页面流转的分析，删去了付款页面中不必要的信息、按钮，增加新的付款方式，保证了付款流程的顺畅性，对于提升漏斗也有一定的作用。

    写在最后
    漏斗分析，仅仅是帮助我们分析问题的工具，重要的是要培养数据分析的思想：

    • 通过交叉对比，找出数据的差异，定位异常数据
    • 通过细致拆分，把复杂的、多因子的事件分析拆分为独立的、单因子的归因分析

    如果本篇文档对你起到一定帮忙，记得订阅关注哦。